中小微企業的信貸風險量化模型的建立與貸款策略研究

摘要：本文基于已知數據，在經過數據融合處理后，選取數項可以反映企業風險評判指標，根據國家標準將企業分成了18類，對一些指標進行K均值聚類后再利用模糊綜合評判進行評價。根據風險量化指標建立出銀行穩定的收益結果與貸款金額、貸款年利率的關系并尋求最優解，構建了數學模型并計算出了最優貸款策略。

關鍵詞：多元線性回歸? 模糊綜合評判? 風險量化模型? 皮爾遜相關系數

一、問題重述及分析

根據已知的123家企業信息，提取并篩選出能夠用于判斷該123家企業放貸策略的相關信息，并對這123家企業進行信貸風險的具體量化分析。根據具體量化指標及銀行固定的放貸資金和政策，對附件1中企業給定具體的放貸方案和策略。

我們首先需要對所給附件中的數據進行數據挖掘處理，從中篩選出能夠反應該企業具體經營狀況等相關信息的大致指標，隨后對所選指標進行具體的量化分析，建立可供判斷的風險量化模型，對所給附件包含企業的企業信貸風險給出可視化指標。同時為了能夠將銀行的利益收益以具體的結果或某種方式呈現，需要對附件三種給出的ABC三類企業貸款利率和流失率之間的關系進行分析，通過某種恰當的擬合來分析流失率、企業類別和利率之間的關系。同時根據風險量化指標建立出銀行穩定的利率收益結果與貸款金額和貸款年利率的關系，通過對其中存在的參數確定取值范圍，利用線性規劃尋求最優解，求得銀行對所給企業應制定何種貸款策略才能取得長期穩定且較高的利率收益。

二、模型假設

（1）假設一個企業的信用評級會受到其是否違約的影響，若違約，則該企業的信用評級應當下調。對信用等級下調至D的企業仍考慮對其貸款。

（2）基于所給附件中不同企業交易數量和交易時間的差異性，忽略不同企業交易次數數量差異的影響，僅對企業的總體情況進行分析。

（3）將企業按照國家行業標準分為18大項行業，且行業不交叉不疊加，即一個企業只屬于一個行業大類別，同時又將企業按照三大產業類別進行二次分類。

（4）假設某企業上下游相關企業越多表示該企業在產業鏈中的供求穩定性越高，反之則表示穩定性越低。

（5）假設銀行的利潤為能夠長期存在的企業與其有貸款關系的企業所提供的年利率之和，并且均以一年作為貸款周期。

三、模型的建立與求解

3.1信貸風險模型的量化指標分析

基于所給問題原則上對信譽評級為D的企業不進行放貸處理，首先對數據進行部分預處理，將信譽評級為D的企業單獨篩選出，對剩下的信譽等級為ABC的三類企業進行進一步處理。

基于已給數據，在進行數據處理和挖掘后，現選取企業經營利潤、貸款償還能力、供求關系穩定性、銀行信用評級、銷項被退款比例、企業類別六項指標，基于模糊數學多因素的綜合評判進行企業的信貸風險模型的量化指標具體分析求解。

3.2 利用模糊數學綜合拼盤計算具體企業的信貸風險量化指標

本模型基于模糊數學分析進行數據的具體分析。對給出的六類評判標準，將各項預處理得到的數據利用spss進行聚類分析得到具體量化數據，從而通過多因素的模糊數學綜合評判，計算出對每個企業具體的風險量化數值。

3.3 銀行提供貸款金額和利率的模型建立

對于具體的信貸策略，我們將其分為貸款金額和貸款利率兩類。基于附件三，顯然易見得若貸款利率不斷提高，企業在該銀行貸款的流失率不斷升高。基于此類情況，以及假設（6）現提出如下模型：

α=（1-a）*（β*γ）（1）

β=10*X;（2）

γ=4%*（1+K*X/10）;（3）

針對（3）式，基于年利率在4%-15%這一區間范圍內，對K進行初步的取值范圍，得到K的大致取值范圍在[0，4]。

基于建立的該模型，需要現對附件3中的A，B，C三類信譽等級的企業的流失率與年利率的關系進行擬合。通過繪制相關散點圖發現，企業流失率與年利率近似滿足一次函數曲線，故對企業流失率與年利率進行一次函數擬合，擬合結果如下：

對A類企業：=7.5241-0.0979

對B類企業：=7.3511-0.1178

對C類企業：=7.4684-0.1379

針對企業流失率與年利率的擬合函數，計算出A，B，C三類企業各自的平均流失率。基于（2），（3）兩式，用含有k的參數表示出（1）式。此時問題轉化為對含有單個參數K的（1）式，在有取值范圍的情況下尋求最大值的最優解的問題。同時注意到附件3中的貸款利率的精度為0.0001，既k的最小變化值應取0.0001。基于此條件，尋求（1）式最大值的最優解，此時的k的取值即為對企業貸款年利率的最優取值，計算結果為 k=1.573。

即當k的取值為1.573時，銀行的所獲得長期穩定的利潤達到最大值。

四、模型的評價與改進

我們主要采用模糊數學綜合評判的方法和聚類分析及德爾菲法的相關方法分析數據和構建有關模型，并利用附表中的進行數據的挖掘和分析處理尋找用于拼盤的標準。基于已有條件能夠篩選出較多可用數據的作為模糊數學綜合平判的標準。

附件中看似只給了進項與銷項的數據，實則由各類發票開局的企業號不同，暗含了與該企業交易時存在的上下游企業數量，從而反應出該企業在產業鏈中的穩定性大小。此外，還可以根據國家統計局統計的各類行業貸款風險對企業進行初步的風險量化評估處理，從而讓后續的擬合和模糊計算結果更加精確。

本模型中部分參考數據僅考慮了我國在近三年的GDP增長數據統計結果，沒有考慮到有些產業屬于新型產業，近三年來仍屬于發展期，擁有巨大潛力。故應當對各行業近年來的國家政策扶持和資金投入比例進行各項綜合性分析，同時可以參考國家統計局發布的各年各產業的環比增速進行進一步的分析處理，以獲得更為精確的數據結果和分析結果。

參考文獻

[1]霍瑞鋒.河北銀行S分行中小企業貸款風險控制研究[D].河北工程大學，2020.

[2]夏佳佳.經濟新常態下商業銀行不良貸款影響因素研究——基于多元線性回歸模型[J].安徽商貿職業技術學院學報（社會科學版），2020，19（02）：40-43.

[3]李欣桐，方毅.新冠肺炎疫情對我國經濟的影響及對策研究[J].長春金融高等專科學校學報，2020（04）：78-87.

作者簡介：喬守印? 2005 年 6月19日 男? 山西省呂梁市? 漢? 普通本科? 計算機與數學結合方向。